大客流場景下地鐵電扶梯故障的乘客疏散

李微微， 樓曉雷， 楊文杰， 胡明偉， ， 鄧萱

1）深圳大學土木與交通工程學院，廣東深圳 518060；2）中國電建集團華東勘測設計研究院有限公司，浙江杭州 311122；3）深圳大學濱海城市韌性基礎設施教育部重點實驗室，廣東深圳 518060；4）深圳大學未來地下城市研究院，廣東深圳 518060；5）深圳大學深圳市地鐵地下車站綠色高效智能建造重點實驗室，廣東深圳 518060

地鐵作為中國城市軌道交通的主要形式，具有車站客流量大、客流流線復雜及地下活動空間受限等特點.尤其在早晚高峰和節假日，短時間內常常有大量乘客涌入地鐵站，造成各通行設施處（如電扶梯、安檢及閘機等）客流密度增大.在此情形下，一旦有突發事件且客流未得到及時有效疏導，易發生踩踏和人員傷亡等事故，并伴隨財產損失.電扶梯是影響車站客流運輸效率的關鍵設備，按照中國《地鐵設計規范》（GB 50157—2013）［1］規定，扶梯的上行通行能力為121 人/min，是樓梯疏散能力的2倍.在城市軌道交通乘客事故中，常見由乘客失誤或扶梯本身故障導致扶梯停運報道.研究大客流疊加電扶梯設備通行能力限制背景下的安全疏散，對確保乘客安全和地鐵車站高效安全運營具有重要作用.

目前針對地鐵車站的客流疏散已有一定研究，如胡明偉等［2-3］采用微觀仿真模型評估地鐵站的客流組織和管理；張國奧等［4］研究疏散總時間與進站客流量的關系與作用機理；也有研究評估洪澇災害和火災煙氣事故背景下的地鐵站疏散［5-6］.此外，LI等［7］提出地鐵站的疏散風險指數和最大安全疏散能力指標，研究不同應急響應時間對客流疏散的影響；ZOU等［8］探究關鍵參數對客流疏散時間延遲的影響，為地鐵站設計和應急方面的改進提供參考；WAN 等［9］通過設計地鐵站動態安檢通道優化提高安檢效率，緩解車站大廳擁擠；CHEN等［10］研究火災發生情況下地鐵車站擁擠人群的疏散過程，提出通過優化出口位置和增加出口寬度來緩解擁堵.

以上研究主要通過計算仿真模擬車站內部的疏散過程，鮮有在大客流背景下電扶梯突發故障時的客流疏散細分方向的研究.因此，本研究基于社會力模型，以中國深圳地鐵1 號線車公廟站作為案例，使用AnyLogic軟件構建大客流背景下地鐵車站電扶梯設備發生故障時的客流疏散模型，并考慮在不同情景下的安全疏散情形，對比分析客流疏散結果，評估預設的客流分配方案，以期為地鐵站運營管理方案應急處置措施制定提供參考.

1 大客流疊加電扶梯故障情景

1.1 大客流描述

大客流是指當列車到達時，地鐵車站聚集大量乘客，而車站服務設施不能在短時間內將乘客疏散出去，導致車站內客流嚴重堆積.依據《地鐵設計規范》（GB 50157—2013）［1］，0.4 m2是平均每位乘客占據的最小空間面積，如果低于該值，可能出現客流移動緩慢甚至擁擠.本研究將站內容納量［11-12］作為大客流的辨識特征，如圖1.其中，C為站臺的有效面積區域容納量；Cmax為站臺最大容納量.記占比系數α為站臺人數與C之比，當α＞0.7 可判斷為大客流發生.仿真模型依據客流密度值計算出站臺的容納量，設置觸發大客流疏散的客流量.

圖1 大客流發生的辨識示意Fig.1 Illustration of identifying mass passenger flow event.

1.2 電扶梯故障因素

導致電扶梯發生故障的因素包括：① 電扶梯的機械故障，如軸承故障，因為軸承故障特征演化慢，早期的輕微故障現象容易被檢修人員忽略，而當部件發生較嚴重磨損又未及時更換時，就容易造成設備故障；② 日常運維不周，電扶梯運行期間需要定期進行檢修維護，漏檢少檢可能導致故障；③ 乘客使用不當，由于部分乘客安全意識淡薄，乘坐電扶梯時可能會低頭瀏覽手機等電子設備而不抓扶手，一旦發生安全事故就要停運扶梯，且易導致恐慌情緒蔓延.

1.3 大客流疊加電扶梯故障的疏散方式

大客流疊加電扶梯故障具有客流集中、疏散效率低以及電扶梯區域擁堵的疏散難點［13］.當電扶梯發生故障需要疏散大客流時，影響疏散安全和效率的因素包括：車站空間通行效率、設施服務能力及組織管理能力［14］，具體影響因素分類可掃描論文末頁右下角二維碼查看補充材料圖S1.因此，車站運營方可采用的調控措施包括：① 限流，控制站內客流量，降低特定時間段內客流運輸壓力；② 加強引導，有序指引客流進行撤離，減輕站內承載壓力；③ 改變流線，設置欄桿對流線進行控制.

2 大客流疊加電扶梯故障的客流疏散仿真

2.1 仿真概述

本研究基于AnyLogic軟件中的社會力模型進行客流疏散仿真分析.社會力模型是由HELBING等［16］提出的考慮行人自身內在驅動力的模型，并擴展該模型用以模擬恐慌狀態下的行人運動［17］.社會力模型考慮不同個體之間、以及個體與障礙物之間的相互作用關系，其加速度滿足［18］

其中，等號左側表示運動過程中行人i在t時刻所受到的合力；mi為行人i的質量；vi為i的速度；f0i為i的自身驅動力；fij為兩個不同個體（i，j）之間的相互作用力（接觸力和排斥力）；fiw為個體i與障礙物w之間的作用力（接觸力和排斥力）；ζ為個體行為的干擾因素.

對模擬仿真過程進行以下假設：① 如不設置特定疏散策略，行人傾向于選擇自認為距離最近的扶梯和疏散出口路徑進行疏散［19］；② 選擇電扶梯疏散的概率遠大于樓梯［20］.

2.2 模型構建

考慮電扶梯故障下的大客流安全疏散模型構建流程如圖2，模型構建步驟如下.

圖2 大客流下電扶梯故障的客流仿真步驟Fig.2 Roadmap of escalator malfunction simulation under mass passenger flow.

步驟1環境模型構建.根據整理的基礎數據，使用行人庫模塊描繪出仿真行人空間環境的障礙物、樓扶梯、排隊、候車區域及閘機等要素，并設置各模塊屬性與參數，如各個扶梯的通過速度、進出站閘機的服務率及排隊隊列等.

步驟2客流疏散邏輯圖構建.分別構建對應客流流線屬性的進站及出站客流邏輯，站內行人通過觀察及站內廣播，會改變正常的行為和進出站流程，因此，模擬中需要動態修改模型中的相關參數，如疏散人數、走行速度及疏散路線的選擇方式等.客流疏散路徑是指智能體初始位置到其被分配的扶梯，然后按照條件引導到出口的路線.

步驟3運行仿真.在考慮大客流的背景下，模擬不同位置電扶梯發生故障時對客流安全疏散的影響.由于特定的疏散流程以及行人特性，構建模型時需要對不同方案的參數進行設置.先正常運行模型，模擬乘客的下上車過程，當站臺區域達到大客流設定密度閾值觸發疏散行為，并同時記錄疏散時間.站內所有乘客均停止當前服務流程，按照提前設置的出口選擇方式進行疏散，并同時限制進站乘客不再進入地鐵車站等.

步驟4輸出數據分析和評價.

2.3 客流疏散評價指標

2.3.1 疏散人數

在仿真模型中設置事件，并寫入代碼，每秒統計1 次站臺區域的客流量，并將輸出結果導出到Excel 表格，得到不同時刻下的疏散人數，具體參數設置可掃描論文末頁右下角二維碼查看補充材料圖S2.

2.3.2 平均停留時間

平均停留時間是指疏散開始后客流在站臺的停留時間.將站臺區域觸發疏散后的客流在站臺的停留時間，按照每一個進入站臺的行人進行1 次統計，并將結果導出到Excel 表格，平均停留時間參數設置可掃描論文末頁右下角二維碼查看補充材料圖S3.

2.3.3 疏散速率

疏散速率指在地鐵大客流背景下，電扶梯突發事故時，全體疏散人員從地下到地面的疏散速率，定義為單位時間的可疏散人數，單位：人/s.疏散速率體現了站內的疏散能力，疏散速率越大，客流疏散方案越優.

3 案例分析

3.1 模型數據

深圳地鐵1 號線車公廟站是深圳市第1 個4 線換乘的綜合車站，位于福田區車公廟片區的中心地帶，為地下3層站.深南大道和香蜜湖路口西南地塊考慮以物業綜合體的形式開發，并在地下站廳層部分與地鐵樞紐連通，站廳層示意如圖3.其中，1/11 號線通過站廳換乘；7/9 號通過站臺和地下2層換乘；1/11與7/9號線路通過換乘大廳換乘.1 號線站廳及站臺計算機輔助設計（computer aided design， CAD）示意圖如圖4和圖5，圖中已對電扶梯標號.

圖3 深圳地鐵車公廟站廳層平面圖Fig.3 Plane figure of Chegongmiao station hall of Shenzhen Metro.

圖4 深圳地鐵1號線車公廟站站廳CAD圖Fig.4 CAD of Chegongmiao station hall of Shenzhen Metro Line 1.

圖5 深圳地鐵1號線車公廟站站臺CAD圖Fig.5 CAD of Chegongmiao station platform of Shenzhen Metro Line 1.

構造考慮安全疏散的深圳地鐵1號線車公廟站客流模型邏輯圖如圖6.車公廟站正常運營時，4部電扶梯均為上行扶梯，樓梯主要負責下行至站臺層的客流，實地觀測表明極少有上行乘客放棄電扶梯選擇步行離開站臺層，因此，采用人工計數法統計電扶梯通過人數（站臺輸出）與樓梯通過人數（站臺輸入）.本研究團隊于2023 年3 月某工作日開展站臺乘客容納量調查，通過統計站臺層乘客到達數量估計站臺內的乘客數量，并計算站內容納量.當天觀測結果表明，晚高峰期間（17∶30—18∶30）站臺容納乘客量較多，每班列車到達之間的乘客數量峰值達到1 063 人，未出現因列車客滿導致乘客二次排隊的情況.實地觀測示意圖可掃描論文末頁右下角二維碼查看補充材料圖S4.

《地鐵設計規范》指出0.4 m2是平均每位乘客占據的最小空間面積，換算為站臺密度為2.5 人/m2，本研究設置站臺的安全密度為2.0 人/m2.考慮到站臺面積為906.8 m2，因此，站臺容納量為1 814人.大客流背景下取α= 70.0%，可得模型中觸發疏導的大客流閾值為1 270 人.在實地觀測中，列車到達間隔期間站臺層人數峰值為1 063 人，α=58.60%，未達到大客流閾值.下車客流隨著列車到達后產生，站臺一側有30 個車門，設定列車每個車門的乘客到達數量服從均勻分布U（5，10）.為使站臺乘客量積累，觸發開始疏散的乘客數量閾值，設定換乘客流到達速率為9 000 人/h，模擬分析不同分配方案對客流疏散的影響.模型中的具體參數設置如表1.

3.2 大客流疏散仿真分析

3.2.1 電扶梯分配策略的比較

以下分析客流分配策略對客流疏散的影響，仿真實驗分為晚高峰和大客流兩種場景，根據仿真場景中到達相應的占比系數觸發疏散事件，觸發客流疏散的占比系數分為取實際觀測值（58.6%）和大客流發生定義值（70.0%）.觸發疏散事件后，針對兩種場景均進行兩種客流分配策略研究，即就近分配策略與平均分配策略：電扶梯客流按就近分配策略通過二次開發計算站內乘客起點到4部電扶梯的距離，選出距離最小的電扶梯作為目標終點進行移動；平均分配策略則是將選擇每部電扶梯的概率設置為0.25，4 種仿真情形的分類邏輯構建見圖7.分別運行4種情形的模型，站臺熱力圖如圖8.

圖7 仿真情形構建Fig.7 Simulation situation setting.

圖8 （a）晚高峰場景、就近分配策略， （b）晚高峰場景、 平均分配策略， （c）大客流場景、 就近分配策略及（d）大客流場景、 平均分配策略下的熱力圖Fig.8 Heat map of (a) distribution to nearest floor of passenger flow situation in evening peak period, (b) average distribution of passenger flow situation in evening peak period, (c) distribution to nearest floor of passenger flow situation under mass passenger flow, (d) average distribution of passenger flow situation under mass passenger flow.

由圖8可見，對比相同疏散策略下不同場景的疏散客流，由于晚高峰場景下觸發疏散的占比系數低，乘客能夠更早地開始疏散，因此，站臺層擁堵程度相較大客流場景更低；對比相同場景下不同疏散策略的客流，平均分配策略下的客流分布更均勻，其中，電扶梯B與電扶梯C中間間隔的客流密度也隨著客流根據指引去往不同電扶梯處而增加，但左側電扶梯C的客流密度有明顯減少，右側電扶梯A1和A2的利用率有所提高.兩種場景下兩種疏散策略的仿真結果見表2.

表2 兩種場景下兩種疏散策略仿真結果對比Table 2 Comparison of simulation result in two kinds of situation in two evacuation strategies

由表2可見，對比相同疏散策略下不同場景的乘客疏散指標，就近分配策略下，大客流相較于晚高峰場景，平均停留時間增加16 s（21.05%），疏散速率提升0.3 人/s（7.23%）；在平均分配策略下，大客流相較于晚高峰場景，平均停留時間增加18 s（27.27%），疏散速率提高2.52 人/s（41.45%）.對比相同場景下不同疏散策略的乘客疏散指標，晚高峰場景下，平均分配相較于就近分配，乘客的平均停留時間降低10 s（13.16%），疏散速率提升了1.93 人/s（46.51%）；大客流場景下，平均分配相較于就近分配，乘客平均停留時間降低8 s（8.70%），疏散速率提升4.15 人/s（93.26%）.

基于以上數據分析認為，對比相同疏散策略下不同場景，由于大客流場景的客流量比晚高峰場景高，且站臺滯留乘客數多，因此，就近分配策略下，大客流場景乘客平均停留時間增多，而疏散速率受限于電扶梯的運載能力變化不大；平均分配策略下，大客流場景乘客平均停留時間增多且增幅與就近分配策略的增幅相近，疏散速率仍有所提升，表明平均分配策略在大客流場景下的效果更為顯著.對比相同場景下不同疏散策略，客流平均分配策略極大提高電扶梯利用率，使疏散速率得到顯著提升，因此，選擇各電扶梯客流平均分配方案較優.在后續考慮大客流場景下電扶梯故障的客流分配研究中，均采用平均分配的方法，將故障電扶梯處的客流分配到其他正常運行的電扶梯上.

3.2.2 考慮電扶梯故障的客流仿真分析

1 號線車公廟站連接站廳及站臺的電扶梯共有4部，假設其中3部電扶梯中的1部發生故障，導致的客流重分配按照3 選2 的組合方式，分別得出3種疏散引導方案，每種方案分別運行5次，取平均值進行統計.其中，電扶梯A 處存在兩部電扶梯，由于現實中同時發生故障的可能性較小，所以，在仿真平臺上僅模擬電扶梯A1 處發生故障.每部電扶梯故障對應的疏散引導方案如圖9.

圖9 客流分配方案Fig. 9 Passenger flow assignment schemes.

如電扶梯C 發生故障進行客流重分配，3 種分配方案觸發疏散下的熱力圖如圖10.可見，c1 和c2方案都會導致電扶梯處B比A1/A2處擁擠；c3方案中，由于到A1/A2 電扶梯必經過電扶梯B，按照“在應急疏散時，行人通常會選擇路線長度最短的路徑”的假設，因此，電扶梯B處擁擠程度并沒有緩解.電扶梯A1、B及C發生故障后的客流重分配分析結果如表3.由表3 及圖10 可見，選擇疏散速率作為評價指標時，① 當電扶梯A1發生故障，最優的客流分配方案是a3，即將客流分配給電扶梯B及C；②當電扶梯B 故障，最優的客流分配方案是b2，即將客流分配給A1 及電扶梯C；③ 當電扶梯C故障，最優的客流分配方案是c2，即將客流分配給A2及電扶梯B.

表3 客流分配方案結果對比Table 3 Results comparison of passenger flow assignment schemes

圖10 電扶梯C發生故障后， 采用分配方案（a）c1、 （b）c2及（c）c3的客流重分配的熱力圖Fig.10 Heat maps of passenger flow redistribution under scheme (a) c1, (b) c2 and (c) c3 when escalator C failure.

將每部電扶梯故障的3種客流分配方案按照疏散速率評價指標分別繪制柱狀圖，能夠直觀對比疏散方案速率，可掃描論文末頁右下角二維碼查看補充材料圖S5.

4 結 論

本研究基于社會力模型，以深圳地鐵1號線車公廟站作為案例，仿真研究大客流場景下電扶梯設備出現故障時的客流疏散過程，完善現有地鐵應急疏散場景研究.通過對比實地調查的高峰期數據及仿真結果，突出大客流場景的隱患及科學疏散措施的有效性，并對仿真數據結果進行量化分析，得到如下結論：

1）與實地調查的工作日晚高峰數據對比，認為站臺層承載人數尚未到達大客流定義的閾值，實地試驗具有局限性.因此，基于社會力模型，使用建模仿真方法研究大客流疊加電扶梯故障的地鐵車站客流應急疏散，為解決極端情況的模擬演練問題提供解決方案.

2）當電扶梯發生故障時，按照疏散速率評價指標選擇客流疏散策略，結果表明，通過科學設置重新分配疏散策略，能夠合理減少客流密度，提高疏散效率.為地鐵站有關應急預案的制定提供參考，落實應急預案“預防為主”的思想.

3）平均分配方案使客流平均分布于站臺內各個電扶梯，雖然會增加部分乘客的走行距離，但總體疏散時間有所減少，提高了疏散效率.因此，合理引導乘客是地鐵客流管控的重要手段.

本研究還存在一定不足，如未考慮樓梯承擔客流能力對于疏散大客流的影響等.因此，后續研究將通過智能化手段得到詳實的客流數據，更加精準地完成客流行為模擬.